[发明专利]针对运动模糊图像复原的模糊核计算方法

摘要

本发明公开了一种针对运动模糊图像复原的模糊核计算方法，本发明是基于稀疏特性、超拉普拉斯先验和集成BP神经网络的模糊核参数估计算法，首先，在图像灰度梯度符合超拉普拉斯分布的约束条件下，通过分析模糊图像的稀疏表示系数确定模糊图像的模糊角度；然后，将模糊图像傅里叶变换后获取的傅里叶系数幅值和作为输入，通过训练基于Bagging方法的集成BP神经网络模型，完成对模糊长度的估计；最后，通过一步已知模糊核的去模糊算法得到去模糊图像。本发明估计模糊核参数准确，运算速度快，耗时短，去模糊效果好，通过本发明恢复运动模糊图像，可以使恢复出的图像边缘更加清晰,振铃效应更少。

主权项

1.一种针对运动模糊图像复原的模糊核计算方法，其特征在于，包括以下步骤：(1)建立图像退化模型，模型处理过程为：g(x,y)＝h(x,y)*I(x,y)+n(x,y)                    (式1)其中，*表示卷积操作，n(x,y)表示加性噪声，g(x,y)表示模糊图像,I(x,y)表示清晰图像，h(x,y)表示的是由模糊角度和模糊长度两个参数确定的模糊核；(2)根据模糊核的模糊角度参数和模糊图像稀疏表达系数之间的拟凸关系，利用图像灰度梯度符合超拉普拉斯分布的约束条件构建出如式2所示的约束优化问题，通过求解该约束优化问题得到模糊角度的估计值，其中，s.t.是“Subject to”的缩写，表示“在……约束条件之下”,表示的是模糊角度，表示估计出的清晰图像，D是在清晰图像上学习得到的超完备字典，表示在图像中抽取第i个小块并列化为一个向量，α_i表示第i个图像小块的稀疏表达系数，i取值为i＝1,2,...，λ是控制似然项的权重因子,|I*f_j|^α表示作用于应用于I的一组滤波器f₁……f_j的输出值，为了方便计算α取值为并使用两个一阶导数滤波器f₁＝[1,‑1]和f₂＝[1,‑1]^T进行计算，h_θ是由模糊角度θ确定的模糊核；(3)根据步骤(2)估计出的模糊角度值，将模糊图像的模糊核方向旋转至水平方向；(4)使用将模糊核方向旋转至水平后的模糊图像的傅立叶系数幅值和作为输入，采用基于Bagging方法的集成BP神经网络预测模型预测特定模糊图像的模糊长度；(5)根据步骤(2)得出的模糊角度和步骤(4)得出的模糊长度L，代入公式计算出模糊核，模糊核计算公式为：